Modele AI projektują systemy informatyczne, ale brak im kluczowej umiejętności dobrego architekta — potrafienia powiedzieć 'nie' nierozsądnym pomysłom.

Źródło zdjęcia: HollandTech
Ekspert od technologii Holland Tech ostrzega przed niebezpiecznym trendem: coraz więcej firm pozwala modelom AI na projektowanie architektury systemów informatycznych. Jak wykazuje w swojej analizie, Claude i inne modele językowe nie potrafią powiedzieć „nie” — a to właśnie jest najważniejszą umiejętnością dobrego architekta.
Autor obserwował ten sam schemat w trzech różnych organizacjach w ciągu ostatniego miesiąca. Ktoś — może product manager, team lead, może CTO po konferencji — otwiera Claude'a lub ChatGPT i pyta, co powinien zbudować. AI robi to, co zawsze: entuzjastycznie potwierdza pomysł, sugeruje architekturę i zaczyna szkicować komponenty.
Problem polega na tym, że modele AI są „patologicznie zgodliwe”. Zapytaj Claude'a, czy twój pomysł jest dobry, a powie ci, że jest dobry. Zapytaj, czy architektura mikroserwisów ma sens dla trzech-osobowego zespołu, a wyjaśni, dlaczego mikroserwisy to doskonały wybór.
Najważniejszą umiejętnością dobrego architekta nie jest projektowanie systemów — to wiedza, których systemów nie budować. To stawianie oporu złożoności, pytanie „dlaczego?” pięć razy, aż prawdziwy wymóg wyłoni się spod aspiracyjnych bzdur. To mówienie CTO, że jego pomysł zainspirowany konferencją to kiepski wybór dla zespołu, który faktycznie mają.
Architektura zaprojektowana przez AI wygląda technicznie poprawnie. Komponenty mają sens w izolacji. Wzorce są rozpoznawalne — event-driven tu, CQRS tam, service mesh, bo czemu nie. Wygląda jak coś, co zaprojektowałby senior architect.
Ale nie została zaprojektowana dla konkretnego zespołu czy ograniczeń. Nie uwzględnia nudnej rzeczywistości środowiska produkcyjnego — blokad VPC, legacy integracji, zespołu, który nigdy nie operował Kubernetes w produkcji, wymogów compliance, które wykluczają połowę usług zarządzanych.
Została zaprojektowana dla mediany wszystkiego, co Claude widział. Generyczne best practice dla generycznego problemu w generycznej firmie. Co oznacza, że została zaprojektowana dla nikogo.
Prawdziwa architektura jest pełna kompromisów, które mają sens tylko w kontekście. Wybierasz Postgres zamiast DynamoDB, bo twój zespół zna Postgres i wolisz dostarczyć produkt w dwa tygodnie niż spędzić miesiąc na nauce nowego modelu danych. Pomijasz service mesh, bo masz cztery serwisy, nie czterdzieści.
Jeszcze bardziej niepokojące jest to, co dzieje się później. Gdy Claude zaprojektuje architekturę, te same osoby proszą go o podział pracy. Produkuje epiki, story, kryteria akceptacji. Schludnie sformatowane, dobrze uzasadnione, gotowe do wrzucenia do Jira.
I teraz inżynierowie — ludzie, którzy spędzili lata doskonaląc swoje umiejętności, rozumiejący domenę, znający gdzie są pogrzebane trupy — już nie rozwiązują problemów. Implementują projekt Claude'a, jeden ticket za drugim.
Ludzie z największym kontekstem, doświadczeniem i zaangażowaniem zostali sprowadzeni do roli implementatorów ticketów. Podmiot z najmniejszym kontekstem, bez doświadczenia i odpowiedzialności podejmuje decyzje architektoniczne.
Gdy system zawodzi o trzeciej w nocy, to nie Claude odbiera telefon. To inżynierowie — ci sami, którzy tego nie projektowali — siedzą do późna, debugując architekturę, której założenia projektowe okazały się błędne.

National Weather Service wykorzystuje AI do błyskawicznego tłumaczenia ostrzeżeń meteorologicznych dla 69 mln mieszkańców mówiących w domu w językach innych niż angielski.

Amazon dodaje funkcję generowania obrazów produktów przez AI w wyszukiwarce mobilnej. Użytkownicy mogą opisać odzież słowami i znaleźć podobne dostępne przedmioty.

Framework Query Retrieve Conclude pozwala AI interpretować współczesne memy poprzez wyszukiwanie aktualnej wiedzy w sieci, przewyższając tradycyjne metody.